¿Qué es Open Notebook?
Open Notebook es una alternativa de código abierto y autoalojada a NotebookLM de Google (renombrado Gemini Notebook en julio de 2026). Reúnes fuentes en cuadernos, conversas con ellas con citas, ejecutas transformaciones reutilizables que convierten cada fuente en resúmenes u otras ideas clave, buscas por texto completo o por vectores y generas episodios de pódcast con entre una y cuatro voces. Todo es accesible mediante una API REST, y un servidor MCP de la comunidad permite que Claude Desktop y otros clientes lo controlen.
Es un backend en Python (FastAPI) con un frontend en Next.js y SurrealDB como base de datos, distribuido como dos servicios de Docker. Los modelos llegan a través de Esperanto, la biblioteca del propio mantenedor, que cubre más de 20 proveedores, desde OpenAI, Anthropic, Google y Mistral hasta Ollama, LM Studio y cualquier servidor compatible con OpenAI. Las fuentes incluyen archivos PDF, de Office y OpenDocument, EPUB, audio, vídeo, páginas web, transcripciones de YouTube y texto pegado.
El repositorio lo creó Luis Novo (lfnovo) en octubre de 2024, tiene licencia MIT, unas 41.100 estrellas en GitHub y llegó a la v1.15.0 el 4 de octubre de 2026. El mantenedor no ofrece edición de pago ni servicio alojado.
¿Merece la pena Open Notebook?
Según nuestra lectura, Open Notebook es la respuesta autoalojada más madura a NotebookLM, y lo que cede a cambio de esa libertad es pulido y profundidad en seguridad. Gemini Notebook de Google es gratuito, alojado y cerrado: funciona solo con modelos de Google, y sus resultados abarcan ya Audio y Video Overviews, mapas mentales, tarjetas de estudio, cuestionarios y presentaciones. Open Notebook hace menos cosas, chat, notas, transformaciones, búsqueda y pódcasts, pero funciona con cualquiera de más de 20 proveedores, expone cada función mediante una API REST y guarda los cuadernos en tu disco. La calidad de las respuestas y de los pódcasts es, por tanto, la que dé el modelo que elijas, no un producto fijo de Google.
La función de pódcast es más configurable que el formato de dos presentadores de Google. Un perfil de episodio fija un modelo de guion, un modelo de transcripción y de 3 a 20 segmentos; un perfil de locutores fija de una a cuatro voces, que pueden venir de distintos proveedores de texto a voz, entre ellos OpenAI, Google, ElevenLabs, Mistral, Deepgram, MiniMax y un servidor local Speaches. Los perfiles incluidos no traen modelos asignados, así que nada se genera hasta que los configuras. El coste son las dos pasadas del modelo de lenguaje sobre todo el contenido seleccionado más la voz del guion: a la tarifa de tts-1 de OpenAI, $15 por 1M de caracteres, poner voz a un guion de 30.000 caracteres cuesta unos $0.45, o $0.90 con tts-1-hd. Las fuentes de audio y vídeo también necesitan un modelo de voz a texto antes de poder procesarse.
La privacidad es mejor que la de Google solo si la configuras. Con un proveedor en la nube, cada chat, transformación y paso del pódcast envía el texto de tus fuentes a ese proveedor; la vía totalmente local combina Ollama para chat y embeddings con Speaches para la voz, y la documentación pide 8 GB de RAM y advierte de que los modelos pequeños en CPU son lentos. El contexto por defecto de Ollama, de 8.192 tokens, recorta en silencio los prompts largos, lo que se nota en respuestas que ignoran tus fuentes. El principio declarado del proyecto es no recoger telemetría sin consentimiento, y no encontramos código de telemetría en el repositorio.
Los valores por defecto de seguridad sirven para una persona con un portátil y nada más. El archivo compose incluido publica la interfaz en el puerto 8502 y la API en el 5055 en todas las interfaces con la autenticación desactivada, y su clave de cifrado para las claves de proveedor guardadas es un marcador público sobre el que la aplicación no avisa. La protección opcional es una única contraseña compartida sin cuentas, roles, caducidad de sesión, límite de peticiones ni registro de auditoría; el navegador la guarda en localStorage, y CORS está abierto a cualquier origen hasta que configuras CORS_ORIGINS. SurrealDB usa root:root por defecto, pero está ligado a localhost. En abril de 2026 CERT-EU comunicó un fallo crítico de ejecución remota de código por inyección de plantillas y dos errores graves de lectura y escritura de archivos, corregidos en la v1.8.4, tras una inyección en SurrealDB corregida en la v1.8.3. El soporte multiusuario está en estudio, no construido.
Frente a AnythingLLM, que ofrece espacios de trabajo multiusuario, Open Notebook es el producto más acotado y la copia más fiel del ciclo de investigación de NotebookLM. Para un hogar o un investigador solo en una red privada es una buena elección; un equipo que necesite inicios de sesión separados tiene que poner delante un proxy con autenticación.
Dónde se gana su sitio
Una periodista que trabaja con documentos filtrados que no pueden ir a Google
Hacer preguntas sobre unos cientos de PDF sin que el texto salga de mi equipo
Ejecutar el archivo compose con los puertos ligados a 127.0.0.1, añadir Ollama con qwen3 y nomic-embed-text y activar Docling para los PDF escaneados. No se envía nada a ningún proveedor de modelos; el coste es un equipo con al menos 8 GB de RAM y respuestas más lentas que con un modelo en la nube.
Un profesor universitario que convierte las lecturas semanales en audio para estudiantes que se desplazan
Crear un episodio breve de debate con los artículos de cada semana
Configurar un perfil de episodio con un modelo barato de guion y de transcripción y un perfil de dos locutores con OpenAI tts-1, seleccionar las fuentes de la semana en nivel Summary y dejar que el worker monte el episodio. Poner voz a un guion de 30.000 caracteres cuesta unos $0.45 más las llamadas al modelo de lenguaje.
Un desarrollador que construye un asistente de investigación interno para una consultora de 10 personas
Cargar los informes de clientes automáticamente y consultarlos desde nuestras propias herramientas
Subir archivos con POST /api/sources y una contraseña bearer, detrás de un proxy inverso con HTTPS y con CORS_ORIGINS configurado, o conectar agentes mediante el servidor open-notebook-mcp. Todos comparten una contraseña, así que el acceso por persona exige un proxy o una pasarela delante.
Antes de decidirte
- Puesta en marcha
- Descargar docker-compose.yml, sustituir el marcador de OPEN_NOTEBOOK_ENCRYPTION_KEY, ejecutar docker compose up -d y abrir localhost:8502 unos 30 segundos después; añadir al menos un modelo de lenguaje y uno de embeddings en Manage, Models. La documentación pide 4 GB de RAM libre, 8 GB con Ollama local.
- Integraciones
- OpenAI, Anthropic, Google, Vertex AI, Azure OpenAI, Mistral, Groq, DeepSeek, xAI, OpenRouter, Cohere, Voyage, ElevenLabs, Deepgram, MiniMax y otros mediante Esperanto; Ollama, oMLX, LM Studio y servidores compatibles con OpenAI o Anthropic; Docling, Crawl4AI, Firecrawl y Jina para la extracción; una API REST y un servidor MCP de la comunidad.
- Datos y privacidad
- Los cuadernos se guardan en SurrealDB y en la carpeta local notebook_data; las claves de proveedor se cifran con Fernet derivado por PBKDF2 desde la v1.15.0. El texto de las fuentes va a los proveedores que configures. No encontramos telemetría; la autenticación está desactivada por defecto; cuatro avisos de seguridad, todos corregidos en la v1.8.4.
- Coste a escala
- No hay plan de pago. El gasto es el uso de modelos, embeddings y voz más un servidor pequeño; los pódcasts a la tarifa de tts-1 de OpenAI cuestan $15 por 1M de caracteres de guion, y la transcripción con Whisper unos $0.006 por minuto. Los modelos locales eliminan el coste por llamada, pero necesitan RAM o una GPU.
- Límites
- 135 issues abiertas y 56 pull requests abiertas; un solo usuario; sin límite de peticiones ni registro de auditoría; YouTube puede bloquear las peticiones de transcripción del servidor sin proxy o cookies; actualizar a la v1.15.0 reescribe las claves guardadas en un formato que las versiones anteriores no pueden leer.
Lo bueno
- Más de 20 proveedores de modelos, incluido Ollama totalmente local
- Pódcasts con una a cuatro voces y proveedor de TTS por locutor
- Todas las funciones disponibles mediante una API REST
- Licencia MIT e instalación en Docker con dos contenedores
Lo malo
- Puertos abiertos en todas las interfaces y sin contraseña por defecto
- Una sola contraseña compartida; sin cuentas de usuario ni roles
- Cuatro avisos de seguridad en abril de 2026, uno crítico
- Menos formatos de salida que Gemini Notebook
Ideal para
Investigadores, estudiantes y equipos pequeños y privados que quieren cuadernos y pódcasts al estilo de NotebookLM con sus propios modelos y servidor, y pueden mantenerlo fuera de internet abierto o detrás de un proxy con autenticación.
Alternativas a Open Notebook
Open Notebook: preguntas frecuentes
- ¿Merece la pena Open Notebook?
- Open Notebook te da el flujo de trabajo de NotebookLM con los modelos y el hardware que elijas, siempre que trates su única contraseña compartida como un pestillo y no como una cerradura. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta Open Notebook?
- Gratuito y de código abierto (MIT). Solo autoalojado; pagas a tus propios proveedores de modelos, embeddings, voz a texto y texto a voz, o nada por llamada con modelos locales.
- ¿Qué inconvenientes tiene Open Notebook?
- Puertos abiertos en todas las interfaces y sin contraseña por defecto; una sola contraseña compartida; sin cuentas de usuario ni roles; cuatro avisos de seguridad en abril de 2026, uno crítico; menos formatos de salida que Gemini Notebook.
- ¿Para quién es Open Notebook?
- Investigadores, estudiantes y equipos pequeños y privados que quieren cuadernos y pódcasts al estilo de NotebookLM con sus propios modelos y servidor, y pueden mantenerlo fuera de internet abierto o detrás de un proxy con autenticación.
- ¿Cuánto cuesta Open Notebook para un equipo o en producción?
- No hay plan de pago. El gasto es el uso de modelos, embeddings y voz más un servidor pequeño; los pódcasts a la tarifa de tts-1 de OpenAI cuestan $15 por 1M de caracteres de guion, y la transcripción con Whisper unos $0.006 por minuto. Los modelos locales eliminan el coste por llamada, pero necesitan RAM o una GPU.
- ¿Es Open Notebook seguro para los datos de la empresa?
- Los cuadernos se guardan en SurrealDB y en la carpeta local notebook_data; las claves de proveedor se cifran con Fernet derivado por PBKDF2 desde la v1.15.0. El texto de las fuentes va a los proveedores que configures. No encontramos telemetría; la autenticación está desactivada por defecto; cuatro avisos de seguridad, todos corregidos en la v1.8.4.
- ¿Cuáles son las mejores alternativas a Open Notebook?
- Las alternativas más cercanas que hemos analizado son AnythingLLM, Khoj, DeepTutor y notebooklm-py.
Respuestas comprobadas el 31 oct 2026.